一种基于生成对抗网络GAN模型的采油机井上旋转机械故障样本扩充与诊断方法

本发明公开了一种基于生成对抗网络GAN模型的采油机井上旋转机械故障样本扩充与诊断方法，该方法利用格拉姆角差场的方式将采油机旋转机械一维振动信号转为二维图像，结合扩散模型生成多时间步带噪图像，在生成器中嵌入时间步长信息并改进损失函数，有效解决了传统生成对抗网络训练不稳定和梯度崩溃的问题，达到扩充高质量样本的目的。通过对比不同生成对抗网络扩充样本的质量与在不同卷积模型下的诊断分类效果，验证了改进生成对抗网络的有效性，提升了采油机井上旋转机械故障诊断精度。